随着机器人技术的迅速发展,机器人逐渐被应用于各个领域。特别是小型多旋翼飞行器由于其结构简单,成本较低和运动灵活等优势,近年来成为机器人领域研究的热点之一。本文以多旋翼飞行器为研究平台,主要研究了基于单目视觉的动态目标跟踪问题。本文的研究目标是要实现多旋翼飞行器在自主飞行条件下进行动态目标的跟踪。而对飞行器状态的实时估计是实现其自主飞行的基础,本文对此也做了深入研究。为了获得更高精度的姿态估计值和滤波稳定性,本文分别讨论了扩展卡尔曼滤波算法和容积卡尔曼滤波算法,并分别应用于多旋翼飞行器的姿态估计,最终提出了基于容积卡尔曼滤波的飞行器姿态估计算法。经过实验验证,所提出算法得到的姿态估计值具有较高的精度,能够满足目标跟踪的要求。对于飞行器的位置估计,本文采用全球定位系统和气压计组合,实现过程简单且精度满足要求。对于动态目标的跟踪问题,由于本文所用实验平台很难稳定在固定位置,因此安装在飞行器上的摄像机和地面目标都处于运动状态,这样导致跟踪目标的轮廓尺度会不停变化,以及运动轨迹会有产生一定偏差。基于上述特点,本文深入研究了基于TLD的目标跟踪算法。该算法集合了目标跟踪和目标检测中的多种算法,结合在线学习相关算法,能够实现对单目标长时间的有效跟踪。本文将该算法应用于多旋翼飞行器,经过实验证明,该算法对于在简单场景下的单目标可以达到预期效果,在目标有部分遮挡和一定角度的旋转都能基本满足要求。由于实际应用中需要解决复杂场景下的多目标跟踪问题,所以本文针对这个问题在原始TLD框架下进行改进。主要补充了基于直方图的Mean-shift算法和基于Certrist特征的SVM算法,从而形成了基于TLD框架的多目标跟踪算法。利用实验室自主研发的六旋翼飞行器进行实验证明,所提出的方法可以有效跟踪属于不同类型或者同一类型的多个目标,并且同样适用于单目标跟踪,特别是在复杂场景下的跟踪效果明显优于原始TLD算法。